30系以上windows，cuda11 SSD算法，训练自己的数据集

因为类似SSD RCNN FasterRCNN距离现在有一段时间，可能代码没更新或者找不到适合30系以上的显卡的代码版本（因为有的代码不支持高版本pytorch，然后30系以上显卡又不支持cuda11以下的cuda版本），又或者找到出现各种报错，经过踩坑，找到一个适合Windows cuda11以上环境的版本。（注意该版本仅支持python3以上），具体也可以看看原作者的说明。

我的环境是W10 +4080 cuda11.7

让我家猫镇blag:                                                                                             

    

 

 

notes:该版本为pytorch版本，支持cuda11

1.下载源代码:支持源作者，或百度网盘  提取码：4mxn；

2.因为该版本的代码没有requirements文件，所以也不知道要用到哪些环境，可以跟最原始的pytorch SSD算法环境一样，然后根据这算法运行算法时修改（本人就是如此）。又或者跟我装一样的环境。应该最主要是pytorch版本对应吧还有numpy，pillow 比较常见的数学或图像处理库等等，这个版本的SSD要求1.6以上的pytorch。然后这里其实有很多坑，比如numpy版本会过高，但降低又不符合pytorch要求，所以可以去修改numpy源码，让它适合这个算法，所以这里就显示出来虚拟环境的重要性。

3.修改SSD源码，因为年代久远，代码很久没维护，可能不适合我们的环境，而且我也不使用voc以外的数据集，因为我的pytorch版本高所以要改，可能稍微低一点的版本不用改，具体情况具体分析。（1）：修改train.py文件下的train函数，找到如下：并将其改成我这样。

（2）：继续找到imges，targets=next（batch_iterator）大概在166行左右，这里根据GitHub上的讨论是因为新版pytorch改了点方式，所以我们要修改如下：

（3）：打开项目中的data/voc0712.py文件修改你要使用的数据集类型（voc2007或voc2012或者混合）根据实际修改就行，我这里用voc2007数据格式，所以将大概96行修改成如下：

 （4）修改23行的voc_classes为自己的分类，和标签文件对应，不能有空格。

下一行的voc_Root参数不用改，那个好像是你要下载官方的数据集的话的路径。

(5): 接着修改train.py下大概145行的data_loader=改成如下图不然会只识别到CPU

到此整个算法修改完成。

接下来是训练：用的是voc2007数据集结构，如下图，在根目录建一个datasets文件夹，里面放voc2007或voc2012

 接着在train文件修改datasets路径到你的路径就行了

 

例如我这个。该算法默认用的是VGG16预训练网络模型，也可以更换其它的，应该不怎么用改代码，我之前试验过，稍微改了改，根据提示应该不难。